RC 기둥의 폭발 저항성능 예측을 위한 소수 데이터 세트 기반 기계학습 모델 방법론

Abstract

본 연구는 200개의 소수 데이터를 활용하여 철근콘크리트(RC) 기둥의 폭발 저항 성능을 정밀하게 평가할 수 있는 결합형기계학습 모델을 제안한다. 이를 위해 다양한 기둥 상세 및 폭발 규모 값을 고려한 유한요소해석 기반의 폭발 성능 평가 응답 데이터를구축하였다. 각 개별 학습 모델에는 7가지 분류 알고리즘이 적용되었으며, 가장 우수한 평가 지표를 보인 모델들을 선별하여 개발하였다. 제안된 기계학습 모델의 조합 기법은 기존의 700개 샘플 기반 모델 대비 데이터 사용량을 65.5 % 절감하면서도 평균 14.3 %의성능 향상을 달성하였다. 이는 데이터가 제한된 환경에서도 고정밀·고속 평가가 가능함을 입증하는 결과이다.